BIG DATA: EXPECT THE UNEXPECTED. T-SYSTEMS AUSTRIA 2014 Dipl.-Ing. Axel Bundestagung der Jungen Wirtschaft

Transkript

1

2 BIG DATA: EXPECT THE UNEXPECTED T-SYSTEMS AUSTRIA 2014 Dipl.-Ing. Axel Bundestagung der Jungen Wirtschaft

3 Big Data Ein Wort wie eine Grippeepidemie Quelle: Google Trends Unternehmen werden mit Daten regelrecht Daten sind das neue Öl. Clive Humbya überflutet von Informationen über das Einkaufsverhalten von Kunden bis zur Effizienz der Lieferkette. Jedoch stehen viele Manager vor der Herausforderung, aus Oktober 2012, US Nov. 2012, Deutschland den Daten einen Mehrwert zu ziehen. 3

4 BIG DATA IS A MEANINGLESS PHRASE Mythos #1: Big Data sind nur große Datenmengen 4

5 Big Data Eine Handvoll Definitionen Big data is high-volume, -velocity and -variety information assets that demand costeffective, innovative forms of information processing for enhanced insight and decision making. Techniques and technologies that make handling data at extreme scale affordable. or Techniques and technologies that make capturing value from data at an extreme scale economical. refers to the ability to harness the torrents of data traditionally considered to be outside the capabilities of existing enterprise SQL technology.

6 Praktisches Beispiel 6

7 BIG DATA IS A MEANINGLESS PHRASE Mythos #2 Big Data ist böse Foto: Dieter Schütz pixelio.de 7

8 Leben retten mit Healthcare Analytics Full Analytics Analytics Anteil Streng vertraulich, Vertraulich, Intern Autor / Thema der Präsentation

9 BIG DATA IS A MEANINGLESS PHRASE Mythos #3: Big Data ist auch nur Reporting Foto: S. Hofschläger pixelio.de 9

10 VORAUSSCHAUENDE INSTANDHALTUNG Ungeplante Ausfälle von Anlagen und Komponenten können hohe Kosten verursachen, sowie einen Verlust an Kundenvertrauen und - zufriedenheit. Eine Kombination von Data Mining, Asset Management und Optimierungs-werkzeugen ermöglicht eine risikobasierte Zuweisung von Ressourcen und optimierte Arbeitspläne. Die Instand-haltung wird dadurch effizienter, proaktiv und besser geplant. Vorausschauende Instandhaltung gibt Antworten auf Schlüsselfragen in Hinsicht auf Produktionsqualität und Instandhaltung: Analyse eines breiten Spektrums an relevanten Informationen aus heterogenen Quellen: Produktionsdaten Typ, Modell, Komponenten, Hersteller, Zeitpunkt von Herstellung und Installation Servicehistorie letzte/nächste geplante Wartung, Reparaturhistorie, Wartungsberichte, etc. Sensordaten Aktuelle u historische Betriebsbedingungen, Belastung, MES/SCADA-Daten, etc. Kennen Sie die Ausfallwahrscheinlichkeiten der verbauten Anlagen und Bauteile bei deren spezifischen Betriebsbedingungen? Wie können in komplexen Konstellationen die wesentlichen Treiber für Ausfälle identifiziert werden? Werden alle verfügbaren Asset-Informationen (Herstelldaten, Servicehistorie, Sensordaten) zur Effizienzsteigerung der Instandhaltung genutzt? Sind Arbeitspläne und Wege optimal erstellt? Kosteneinsparung und erhöhte Kundenzufriedenheit Ermittlung aktueller Ausfallrisiken und Vermeidung von Störungen Identifikation komplexer Ausfallursachen und Fehlermuster Proaktives Risikomgmt. und höhere Effizienz der Wartung Erstellung von Weg-Zeitoptimierten Arbeitsplänen 10

11 BIG DATA IS A MEANINGLESS PHRASE Mythos #4: Big Data können sich nur Großunternehmen leisten 11

12 Man muss keine ganze Big Data Landschaft aufbauen Customer Value Drivers Reveals strategic insights Faster & smarter decisions making Creates new business opportunities high security standards Analyticsas-a-Service highly scalable platform no ramp up time Consulting capabilities and vertical solutions Cloud based Big Data platform On demand delivery Model

13 Der Trend: Open Source Big Data Stack Hadoop Apache Hadoop Freies, in Java geschriebenes Framework für skalierbare, verteilt arbeitende Software Basiert auf dem MapReduce-Algorithmus von Google sowie auf Vorschlägen des Google-Dateisystems Ermöglicht intensive Rechenprozesse mit großen Datenmengen auf Computerclustern durchzuführen Pig Erstellen von Hadoop MapReduce-Programmen in High-Level-Sprache Pig Latin (Schweine-Latein ;-) Hive Entwickelt von Facebook Hive erweitert Hadoop um Data- Warehouse-Funktionalitäten Anfragesprache HQL und Indizes

14 BIG DATA IS A MEANINGLESS PHRASE Mythos #5: Big Data ist unspezifisch 14

15 Analytics Die Werte-Destillation Polystrukturierte Daten z.b. Web- Cams, , Präsentationen 5 Mio. Trades pro Sekunde 12 TB Tweets pro Tag 15

16 Big Data Lösungen INTELLIGENT NEWS DISCOVERY VALUE CHAIN FORENSIC BIG DATA AUTOMOTIVE CONNECTED CAR TRAFFIC AND DIAGNOSTICS SMARTER PROCUREMENT CAMPAIGN ANALYTICS SMARTER ENERGY MANAGEMENT EFFICIENT FLEET MANAGMENT / BIG DATA MOBILE LOGISTICS COST MANAGEMENT 16

17 MOBILE ADVERTISING The real time mobile advertising Real Time Couponing Using uninterrupted location finger-printing to send coupon to a consumer Scenario is enhanced with predictive location definition. When a consumer is going to be in the target area. The location based campaigns are showing a 5 x increase in engagement. 17

18 NEUE GESCHÄFTSIDEEN MIT INNOVATIVEN BIG DATA ANSÄTZEN

19 KEIN MYTHOS: BIG DATA GIBT ANTWORTEN AUF FRAGEN DIE NOCH GAR NICHT GESTELLT WURDEN